Abstract
Денсаулық сақтаудағы машиналық оқыту пациенттердің нәтижелерін жақсарту үшін Интернет заттары ұсынатын медициналық деректердің өсіп келе жатқан көлемін пайдаланады. Бұл әдістер перспективалы қолданбаларды, сондай-ақ күрделі проблемаларды қамтамасыз етеді. Машиналық оқыту үш негізгі салада қолданылады: медициналық бейнелеу, медициналық құжаттарды табиғи тілде өңдеу және генетикалық ақпарат. Бұл салалардың көпшілігі диагностикаға, анықтауға және болжауға бағытталған. Медициналық құрылғылардың үлкен инфрақұрылымы қазіргі уақытта деректерді жасайды, бірақ мұндай деректерді тиімді пайдалану үшін қолдау көрсететін инфрақұрылым жиі болмайды. Денсаулық туралы ақпараттың көптеген әртүрлі нысандарының болуы деректерді пішімдеу кезінде кейбір мәселелерді тудырады және шуды арттыруы мүмкін. Машиналық оқытудың қысқаша тарихын, денсаулық сақтаудағы осы технологияның әдістері мен қазіргі жағдайы туралы кейбір негізгі білімдер қарастырылады. Мақалада жүрек ауруларының негізінде LogisticRegression, RandomForestClassifier, DecisionTreeClassifier, KneighborsClassifier, GradientBoostingClassifier алгоритмдер қолданылып салыстырылды. Түйін сөздер: машиналық оқыту, медицина, алгоритмдер, BigData, жүрек аурулары. Машинное обучение в здравоохранении использует все больше медицинских данных, предоставляемых Интернетом вещей, для улучшения результатов лечения пациентов. Эти методы обеспечивают многообещающие приложения, а также сложные проблемы. Машинное обучение используется в трех основных областях: медицинская визуализация, обработка медицинских документов на естественном языке и генетическая информация. Многие из этих областей сосредоточены на диагностике, обнаружении и прогнозировании. Большая инфраструктура медицинских устройств в настоящее время генерирует данные, но часто отсутствует инфраструктура для поддержки эффективного использования таких данных. Наличие множества различных форм медицинской информации вызывает некоторые проблемы при форматировании данных и может увеличить шум. Рассмотрена краткая история машинного обучения, некоторые базовые знания о методах и текущем состоянии этой технологии в здравоохранении. В статье сравниваются алгоритмы LogisticRegression, RandomForestClassifier, DecisionTreeClassifier, KneighborsClassifier, GradientBoostingClassifier на основе болезней сердца. Ключевые слова: машинное обучение, медицина, алгоритмы, BigData, болезни сердца. Machine learning in healthcare uses an increasing amount of medical data provided by Internet of Things to improve patient outcomes. These methods provide promising applications, as well as complex problems. Machine learning is used in three main areas: medical imaging, processing medical documents in natural language, and genetic information. Many of these areas focus on diagnosis, detection and prognosis. The large infrastructure of medical devices currently generates data, but there is often no infrastructure to support the efficient use of such data. The presence of many different forms of health information causes some problems when formatting data and can increase noise. A brief history of machine learning, some basic knowledge about the methods and current state of this technology in health care are considered. The article compares LogisticRegression, RandomForestClassifier, DecisionTreeClassifier, KneighborsClassifier, GradientBoostingClassifier algorithms based on heart disease. Keywords: machine-learning, medicine, algorithms, BigData, heart disease.